改进模拟退火算法在模块划分中的研究及应用

模块划分是产品模块化设计的关键技术之一。目前大多采用非数值方法划分模块，数值划分方法主要是使用模拟退火算法或遗传算法。模拟退火算法虽可以一次性得到模块划分最优方案，但是操作困难，效率不高。而遗传算法容易陷入局部最优解。该文在模拟退火算法的基础上，融入遗传算法的种群思想，提出了基于改进模拟退火算法的模块划分方法，研究了其实现的关键技术，并通过VC++6.0将其实现。通过具体的模块划分实例，证实了该方法的高效性和易操作性。     

基于模拟退火遗传算法的多项目调度问题研究

针对多资源约束条件下的多项目调度问题,提出了一种模拟退火遗传算法的求解方法.该方法首先分别对普通的遗传算法和模拟退火算法进行改进,然后在遗传算法中插入模拟退火操作,通过模拟退火操作来克服遗传算法容易陷入局部最优解的缺陷,同时该方法也继承了遗传算法收敛速度快的特点.最后的实例计算结果表明该算法能克服模拟退火算法和遗传算法的缺点,获得比其它算法更优的解,与其它启发式算法及智能算法相比具有更高的求解效率.     

一种采用循环策略的改进模拟退火遗传算法

循环规律是生态学中一个重要的规律,而模拟退火遗传算法是一种能够有效改进遗传算法性能的方法。将循环策略与模拟退火遗传算法有机地结合起来,提出了一种采用循环策略的改进模拟退火遗传算法,并通过模式演化分析和收敛性分析证明算法的合理性。该算法不仅能够保证遗传算法的全局收敛性,而且还可以加快种群的进化速度并获得满意的全局最优解。     

基于遗传模拟退火算法的雷达正交信号设计*

针对雷达正交信号的波形设计问题,提出了一种基于遗传算法和模拟退火算法的新遗传模拟退火算法。该算法利用遗传算法实现全局搜索,利用模拟退火算法实现局部搜索,改进了遗传算法的选择策略,并在交叉、变异概率中引入自适应的概率变化机制,自适应地保存最优个体,并对遗传算法的进化结果有选择地进行模拟退火操作,有效地解决了这两种算法的早熟现象和时间问题。实验结果表明,该算法是有效可行的,性能优于传统遗传算法和模拟退火算法。     

融合模拟退火的遗传算法在文档聚类中的应用

为了准确高效地对网上获取的文档进行聚类,在布尔逻辑模型的基础上提出了一种改进的最优相似度搜索方法。该方法将模拟退火的思想融入到遗传算法当中,通过“撒种”操作将模拟退火算法的局部搜索能力以及遗传算法的全局搜索能力结合起来。实验表明,使用该混合算法对文档进行聚类,不仅搜索效率得到了提高,而且准确度优于使用传统的遗传算法。     

遗传模拟退火算法在旅行商问题中的程序设计方法

本文分析了遗传算法和模拟退火算法的优缺点,提出遗传模拟退火算法的程序设计方法和各项参数的设置,并将该算法应用于TSP问题求解之中,提高了解决问题的能力。     

基于模拟退火遗传算法的空瓶图像分割

针对空瓶检测的特点,把遗传算法和模拟退火算法引入到空瓶图像分割算法中,提出了一种利用遗传算法搜索最优分割阈值方法.该方法具有遗传算法的全局寻优能力和模拟退火算法较强的局部搜索能力,能够有效、简单地进行图像分割,可以满足实时检测系统中精度和速度的要求.     

基于遗传模拟退火算法的低空飞行器航迹规划

针对低空飞行器三维航迹规划问题提出了一种将遗传算法和模拟退火相结合的方法,通过把高程数据和各种威胁以及飞行器性能约束相结合建立起约束条件模型.根据飞行器机动性能和低空突防的特点,设计了有效的遗传算子,并使用模拟退火算法能较好地接近全局最优解的优点,抑制了遗传算法的早熟现象.结果表明该算法具有良好的适应性,能满足地形跟随--威胁回避的突防要求.     

基于改进遗传算法的电气设备仓库货位优化

货位分配问题是自动化立体仓库优化的关键。针对传统遗传算法难以收敛至全局最优解的问题,提出了一种改进遗传算法的电气设备仓库货位优化方法。该方法根据优化目标构建了数学模型,使用拉丁超立方抽样法对算法初始化环节进行优化;为了克服遗传算法的局部搜索能力差和收敛速度慢问题,使用改进自适应交叉变异及逆转操作和模拟退火操作构成改进模拟退火遗传算法。实验结果表明,相比于传统遗传算法的求解结果,改进算法显著提高了对目标函数的优化,并且其收敛性和稳定性更佳,该算法在实际工程应用中提出了有效的解决方案。     

改进模拟退火遗传算法的3D NoC低功耗映射

功耗优化是NoC设计的重要部分,针对将IP (intellectual property)核合理映射NoC的问题,提出一种初始种群优化的模拟退火遗传映射算法.首先以功耗优化为主要目标,通过对初始种群选取方法进行改进来获取功耗更低的映射方案,并针对遗传算法局部最优问题,在遗传算法交叉操作阶段结合模拟退火算法,得到全局最优方案.实验在Windows系统下采用C++语言实现,结果显示,与传统的遗传算法相比,该算法具有较好的收敛性,能快速搜索到较优解,在124个IP核的情况下,采用改进的模拟退火遗传算法进行映射产生的平均功耗比使用遗传算法时降低了32.0%.     

基于最大变差范数准则的ISAR自聚焦方法

为消除目标平动引起的初相误差,必须进行自聚焦以避免ISAR图像模糊.在分析ISAR回波信号模型的基础上,本文构造了高阶多项式相位信号的初相补偿函数.已有文献多ISAR图像聚焦程度为准则,对该多项式相位信号的参数进行优化.本文利用最大全变差范数作为ISAR方位向成像的聚焦评价准则,该指标值在平动参数空间中的分布具有局部极值点少的优点,利于最优确定初相补偿函数的参数,并采用协同粒子群优化算法加速参数的寻优速度和精度.仿真实验证明了本文方法的可行性和正确性.     

Mamdani模糊系统I/O关系的表示及隶属函数优化

探讨一类高效率Mamdani模糊系统隶属函数优化方法.首先通过严密的理论分析将MISO(多输入单输出)_Mamdani模糊系统的输入/输出函数表示成系统隶属函数的局部线性表达式;论证了这个表达式中系统隶属函数项的系数仅由该点所对应的2p个隶属函数值,按大小排成的序列决定.以此为基础,提出了根据输入/输出样本集误差对系统隶属函数进行优化的新方法.该方法近似地将隶属函数优化问题转换成一组线性规划问题进行求解.本文提供的仿真结果也进一步证实了该方法的有效性.     

动态调整惯性权重的粒子群算法优化

为了优化目前粒子群算法比较容易陷入局部最优、后期收敛过慢等的缺陷,在本文提出了一种改进惯性权重参数来优化算法的方法.其中结合了差分进化算法中的变异算子的操作来提升算法的自适应并且对算法的速度和搜索空间进行边界限制以防止粒子跳出所规定的搜索空间.选择相应的测试函数,使用Matlab软件将提出的改进算法与其他两种算法进行仿真实验对比,结果表明,本文所提出的算法在后期收敛速度以及取得适应度值的稳定性上有一定的提升.     

Cuckoo search algorithm with membrane communication mechanism for modeling overhead crane systems using RBF neural networks

Developing a precise dynamic model is a critical step in the design and analysis of the overhead crane system. To achieve this objective, we present a novel radial basis function neural network (RBF-NN) modeling method. One challenge for the RBF-NN modeling method is how to determine the RBF-NN parameters reasonably. Although gradient method is widely used to optimize the parameters, it may converge slowly and may not achieve the optimal purpose. Therefore, we propose the cuckoo search algorithm with membrane communication mechanism (mCS) to optimize RBF-NN parameters. In mCS, the membrane communication mechanism is employed to maintain the population diversity and a chaotic local search strategy is adopted to improve the search accuracy. The performance of mCS is confirmed with some benchmark functions. And the analyses on the effect of the communication set size are carried out. Then the mCS is applied to optimize the RBF-NN models for modeling the overhead crane system. The experimental results demonstrate the efficiency and effectiveness of mCS through comparing with that of the standard cuckoo search algorithm (CS) and the gradient method.     

基于自适应认知域的粒子群性能改进方法

为提高粒子群算法的收敛性能,提出一种自适应粒子认知域方法.在粒子位置的更新方法中,粒子运动到当前的最好位置由计算得到的最好位置为中心,粒子的认知方向为导向来确定.利用线性惯性下降权重来实现粒子的优化.为验证该方法的有效性,将此方法应用于3种不同的粒子群方法,分别是固定权重粒子群方法、线性下降权重粒子群方法及阶梯形群体粒子群算法.实验结果表明此方法是较有效的.     

脉冲漏磁信号的EMD小波阈值去噪研究

为有效抑制脉冲漏磁检测信号中的各种噪声,将小波阈值去噪运用到经验模态分解(EMD)中,提出一种基于EMD的小波阈值去噪方法。针对小波软、硬阈值函数中存在的不足,引入平滑截断绝对偏差惩罚因子进行优化改进。将该方法应用于脉冲漏磁信号进行实际消噪处理。实验结果表明,该方法能较好地剔除信号中的噪声,在脉冲噪声的抑制方面优于小波阈值去噪。     

一种渐进式的抽样策略及其性能分析

介绍了一种新的特征匹配算法-渐进式抽样一致算法,该算法首先按匹配度大小将初步匹配集合中的匹配对按匹配度作降序排列,然后根据规定的增长函数从前至后作抽样。详细介绍了算法的设计思想、增长函数的设计策略、抽样中指标准。将该算法成功的应用到图像配准问题中,实验结果表明该算法较传统算法在抽样终止标准相同条件下时间复杂度有较大改善。     

竖炉焙烧过程的智能设定模型

为了改善多目标评价案例推理设定模型在竖炉焙烧过程控制中的性能,运用注水原理分配过程变量的权重和群决策修正方法对多目标评价案例推理设定方法进行改进,得到一种新的智能设定模型.首先引入注水原理构造Lagrange函数对过程变量的权重进行优化分配,再通过案例检索和案例重用得到设定值的建议解,并根据多目标评价模型预测建议解对生产指标的影响效果,最后,对不合理的设定值进行群决策修正.将得到的设定模型应用于竖炉焙烧过程控制中,通过实验测试和对比应用说明了本文方法优于其他方法,能够有效提高多目标评价案例推理设定模型的控制性能.     

一种针对区分性训练的受限线性搜索优化方法

提出一种称为“受限线性搜索”的优化方法,并用于语音识别中混合高斯的连续密度隐马尔科夫(CDHMM)模型的区分性训练。该方法可用于优化基于最大互信息(MMI)准则的区分性训练目标函数。在该方法中,首先把隐马尔科夫模型(HMM)的区分性训练问题看成一个受限的优化问题,并利用模型间的KL度量作为优化过程中的一个限制。再基于线性搜索的思想,指出通过限制更新前后模型间的KL度量,可将HMM的参数表示成一种简单的二次形式。该方法可用于优化混合高斯CDHMM模型中的任何参数,包括均值、协方差矩阵、高斯权重等。将该方法分别用于中英文两个标准语音识别任务上,包括英文TIDIGITS数据库和中文863数据库。实验结果表明,该方法相对传统的扩展Baum-Welch方法在识别性能和收敛特性上都取得一致提升。     

基于改进离散傅里叶变换调制滤波器组的多载频系统设计

为改善传统正交频分复用(OFDM)多载频系统频率选择性差和频谱泄露等缺陷,研究了基于改进离散傅里叶变换(DFT)调制滤波器组的多载频调制系统设计。将其设计问题归结为一个无约束的最小化调制滤波器组完全重建误差的目标函数优化问题,采用一种改进的窗函数法设计调制滤波器组的原型滤波器和线性优化方法优化目标函数。与传统的窗函数法相比,该改进窗函数法在理想滤波器的过渡带内插了一种样条函数以消除吉布斯效应。仿真结果表明,该方法设计的原型滤波器与传统的平方根升余弦方法设计的原型滤波器和一般矩形窗原型滤波器相比有更高的阻带衰减,对应的改进DFT滤波器组有更小的重建误差。基于该方法设计的改进DFT滤波器组多载频系统在正交相移键控(QPSK)调制和3GPP TS 25.104车载多径信道以及单抽头频域均衡下有更好的误符号率(SER)性能。